图像的匹配算法是图像处理中一项重要的和有意义的研究课题。图像的特征匹配由于其具有计算量小,对图像的灰度变化、噪声、仿射变换以及遮挡等因素都具有较好的适应能力,在实际中得到了广泛的应用。尺度不变特征匹配(SIFT)是一种基于图像不变特征量的特征点匹配算法,对尺度空间、图像缩放、旋转甚至仿射不变都有很好的作用,但是在实际的应用过程中,仍有提高的空间。在SIFT匹配算法的基础上,利用NMI和IMED算法对其进行改进。由于NMI算法进行匹配时,具有抗几何形变好、鲁棒性高、计算过程简单等特点,在融入SIFT算法后,简化了SIFT算法的运算过程,提高了算法的效率；而IMED算法充分考虑了像素空间位置的关联性,比较客观的反映了矩阵间的差异和相同,将其融入SIFT算法,充分考虑每个SIFT特征描述子的像素点的关联,有效的提高了算法的精度。经过仿真实验证明,图像在旋转、噪声、视角、模糊、压缩、光照等条件改变时,SIFT-IMED算法的精度最高,原SIFT和SIFT-NMI算法的精度相差不大,而计算效率从高到低依次是SIFT-NMI算法、原SIFT算法和SIFT-IMED算法。实验结果与理论结果相符合,达到预期的目标。